9 Editado em 23 de novembro de 2023 :

U NIVERSIDADE F EDERAL DE A LAGOAS

I NSTITUTO DE C OMPUTAÇÃO

Projeto e Análise de Algoritmos

Lista de Exercícios

Prof. Rian Gabriel Pinheiro

2023.2

Instruções
(a) As listas podem ser resolvidas em dupla, neste caso deve-se entregar apenas um trabalho!
(b) Mencione os teoremas e propriedade usadas para justificar usas afirmações.
(c) Algoritmos devem ser escritos em pseudocódigo bem comentado, ou informalmente, mas com precisão.
(d) Cada entrega corresponde a 2 seções (20 questões) do trabalho.
(e) Qualquer modificação das duplas deve ser informada.
(f ) As resoluções devem ser entregues escritas à mão (com exceção questões que pedem explicitamente uma
implementação ou gráficos) nos dias de prova.
(g) Qualquer tentativa de fraude implicará em nota zero na parte correspondente.
(h) Cada questão correta irá incrementar 0,10 ponto na respectiva prova.
Parte I.
1ª VA
1. Corretude de Algoritmos 3 . -
4 . ---
1.1 . Faça uma pesquisa (escreva pelo menos 10 lin- 5 . -
has) sobre al-Khorezmi (também al-Khwarizmi), o 6 . --
homem de cujo nome deriva a palavra “algoritmo”. 7 . -
Mostre o que as origens das palavras “algoritmo” e 8 . ----
“álgebra” têm em comum. 9 . -
10 . --
1.2 . Prove que:
11 . -
• n 3 + 2n é divisível por 3 para todo n ≥ 0, por in- 12 . ---
dução. 13 . -
• Se 2 | 3m (2 divide 3m) então 2 | m, por contra- 14 . --
posição. 15 . -
16 .
• A soma de 3 números consecutivos é múltiplo
de 3, use prova direta.
1.7 . Prove a corretude do algoritmo Conversor Decimal-
1.3 . Considere um hexágono regular cujos vértices são Binário.
v 1 , v 2 , . . . , v 6 . Mostre que toda maneira de colorir
os segmentos de retas que unem dois vértices, uti-
1: procedure C ONVERSOR D-B(inteiro n)
lizando as cores azul ou branca, produz pelo menos 2: t ←n
um triângulo cujos lados tem a mesma cor. 3: k ←0
4: zere todos os bits de b
1.4 . Considere o seguinte algoritmo: 5: while t > 0 do
6: k ← k +1
7: b[k] ← t mod 2
1: procedure A LGORITMO X(vetor A[1, . . . , n], inicio, fim) 8: t ← t ÷2
2: if inicio = last then Cria um vetor X, se início for igual o fim 9: end while
3: return A[inicio] então retorna o valor do início 10: return b
4: end if 11: end procedure
5: meio ← inicio + (fim − incio)/2 Se não então dividimos a
6: a ← X(A, inicio, meio) lista em dois a e b
7: b ← X(A, meio +1, fim)
8: if a < b then Então encontramos qual lado é maior a ou b 1.8 . O P ROBLEMA DA M OCHILA é definido da seguinte
9: return b forma: Suponha que tenha uma mochila com ca-
10: else
Portanto temos um algoritmo de divisão e pacidade total de W e n itens distintos, cada um com
11: return a
conquista que encontra o máximo em um um respectivo peso w 1 , . . . , w n e valor v 1 , . . . , v n . O
12: end if
vetor
13: end procedure objetivo do problema consiste em maximizar o valor
dos objetos colocados na mochila, respeitando sua
capacidade total W .
Explique o que ele faz e prove sua corretude.
Dado os três algoritmos a seguir, mostre que eles não
1.5 . Prove a corretude do algoritmo de Horner para a encontram a solução ótima do problema, ou seja,
avaliação de polinômios. P (x) = a n x n + a n−1 x n−1 + encontre contraexemplos para cada um dos seguinte
· · · + a1 x + a0 . algoritmos para o problema.
• Coloque na mochila os elementos em ordem da
1: procedure A LGORITMO DE H ORNER(vetor A[0, . . . , n], real x) esquerda para a direita, se eles couberem;
2: p ← A[n]
3: for i ← n − 1 → 0 do • Considerando a razão valor por peso, ou seja,
4: p ← p ∗ x + A[i ] r i = v i /w i , coloque na mochila os algoritmos
5: end for
6: return p
de maior para menor razão;
7: end procedure
• Coloque na mochila os algoritmos de maior
para menor valor;
1.6 . Escreva uma função recursiva que imprima uma • Coloque na mochila os algoritmos de menor
régua de ordem n no intervalo [0..2n ] e prove sua para maior peso.
corretude. O “traço” no ponto médio da régua deve
ter comprimento n, os traços nos pontos médios dos 1.9 . O B IN PACKING é um problema cuja entrada con-
subintervalos superior e inferior devem ter compri- siste em: n itens com tamanhos s 1 , s 2 , . . . , s n em que
mento n − 1, e assim por diante. Abaixo um exemplo s i ∈ [0, 1]. O objetivo é encontrar o menor número de
de régua de ordem 4. “bins” (caixas) unitárias para armazenar os n itens.
Dado os algoritmos a seguir, mostre que eles não en-
0 . contram a solução ótima do problema, ou seja, en-
1 . - contre contraexemplos para cada um dos seguinte
2 . -- algoritmos para o problema.
 • Coloque na bins os elementos em ordem da es-
querda para a direita, se ele couber, caso con-
f (n) g (n)
trário tente na próxima bin;
(1) n − 10 n − 200
1/2
• Coloque na bin mais livre o maior elemento; (2) n n 2/3
(3) 100n + log n n + (log n)2
• Coloque o menor elemento na bin mais livre. (4) log 2n log 3n
(5) 10 log n log(n 2 )
(6) n 1,01 n log2 n
1.10 . Considere o algoritmo de Ulam, ele termina? De fato, (7) n 2 / log n n(log n)2
conjectura-se que seguindo o algoritmo, sempre será
(8) n 0,1 (log n)10
obtida a sequencia 4, 2, 1 (Conjectura de Collatz). Ex:
Para o valor a = 22, será obtida a seguinte sequencia: (9) (log n)log n n/ log n
p
22, 11, 34, 17, 52, 26, 13, 40, 20, 10, 5, 16, 8, 4, 2, 1. Como (10) n (log n)3
a prova do término do algoritmo consiste em um
difícil problema matemático em aberto. Imple- (11) n 1/2 5log2 n
mente um teste exaustivo mostrando que para qual- (12) n2n 3n
quer unsigned shot int (1 a 65535) de entrada o (13) 2n 2n+1
algoritmo para. Escreva um pequeno relato infor-
(14) n! 2n
mando o tamanho da maior sequência encontrada,
2
o valor na qual a maior sequência foi obtida, a mé- (15) (log n)log n 2(log2 n)
dia dos tamanhos das sequências e o tempo de exe- n
ik n k+1
X
cução. (16)
i =1

2.3 . Encontre o número de maneiras diferentes de subir

1: procedure A LGORITMO DE U LAM(inteiro positivo a) uma escada com n degraus se cada passo pode ter
2: x←a um ou dois degraus. Por exemplo, uma escada de
3: while Os três últimos valores de x não for 4, 2, 1 do três degraus pode ser escalada de três maneiras: 1–
4: if x for par then
5: x ← x/2
1–1, 1–2 e 2–1.
6: else
7: x ← 3x + 1
2.4 . Na linguagem de sua escolha, implemente dois al-
8: end if goritmos para calcular o enésimo número de Fi-
9: end while bonacci: (a) o algoritmo baseado na definição recur-
10: end procedure siva e (b) o algoritmo iterativo. Plote um gráfico com
o tempo de ambos os algoritmos para cada valor de
n = 1, . . . , n max . Em que n max é o maior valor de n
para o qual ambos programas executam em menos
de 1 minuto em seu computador.

2.5 . Resolva a recorrência:

2. Complexidade de
(
2, se n = 2
T (n) =
Algoritmos 2T (n/2) + n, se n = 2k , para k > 1.

2.6 . Resolva a recorrência: a n = a 0 + a 1 + · · · + a n−1 , em

que a 0 = 1.
2.1 . Qual a provável complexidade de um algoritmo que
2.7 . Considere o seguinte trecho de código:
possui as seguintes observações empíricas da con-
tagem de sua operação básica:
size count 1: procedure C ONT(inteiro positivo n)
2: c ←0
1000 11.966 3: for l ∈ [1, n] do
2000 24.303 4: for i ∈ [1, n − l ] do
3000 39.992 5: for k ∈ [1, i + l ] do
4000 53.010 6: c ← c +1
7: end for
5000 67.272 8: end for
6000 78.692 9: end for
7000 91.274 10: return c
11: end procedure
8000 113.063
9000 129.799
10000 140.538 Dado um valor n, qual será o valor da variável c?
Mostre as contas.

2.8 . Sejam f (n) e g (n) funções assintoticamente não

2.2 . Em cada caso, indique se f (n) = O(g (n)) ou f (n) = negativas. Usando a definição básica da notação Θ,
Ω(g (n)), ou ambos (neste caso f (n) = Θ(g (n))): prove que max( f (n), g (n)) = Θ( f (n) + g (n)).
 2.9 . Mostre que
a) A solução de T (n) = T (n − 1) + n; T (1) = 1 é
O(n 2 ).
b) A solução de T (n) = T (⌈n/2⌉) + 1; T (1) = 1 é
O(lg n).
c) A solução de 2T (⌊n/2⌋) + n; T (1) = 1 é O(n lg n).
2.10 . Qual é o tempo de execução do algoritmo QUICK -
SORT quando todos os elementos do arranjo A têm
o mesmo valor? Considere que o pivô é o último ele-
mento do vetor.
3. Divisão e Conquista
3.1 . Explique a relação da técnica Divisão-e-Conquista
com paralelismo. Como utilizar o paralelismo em
um algoritmo divisão-e-conquista? Por que elas fun-
cionam bem em conjunto?
3.2 . Existem n panquecas, todas de tamanhos diferentes,
empilhadas umas sobre as outras. Você pode colo-
car uma espátula sob uma das panquecas e virar a
pilha inteira acima da espátula. O objetivo é arran-
jar as panquecas de acordo com o tamanho, com a
maior na parte inferior. A Figura mostra uma in-
stância do quebra-cabeça para n = 7. Projete um al-
goritmo para resolver este problema e determine o
número de operações feitas pelo algoritmo no pior
caso.
3.3 . Suponha que você tenha os resultados de um torneio
concluído no qual n equipes jogaram entre si uma
vez. Assumindo que não houve empate, mostre um
algoritmo que liste os times em uma sequência de
forma que todos ganhem o jogo com o time listado
imediatamente após?
3.4 . Escreva um algoritmo de divisão-e-conquista
O(log n) para computar a n em que n é um inteiro
positivo.
3.5 . São dadas duas listas ordenadas de tamanho m e
n. Dê um algoritmo de tempo O(log m + log n) para
computar o k-ésimo menor elemento da união das
duas listas.
3.6 . Suponha que esteja escolhendo entre os seguintes
três algoritmos:
• Algoritmo A resolve problemas dividindo-
os em cinco subproblemas de metade do
tamanho, solucionando cada subproblema
recursivamente e, então, combinando as
soluções em tempo linear.
• Algoritmo B resolve problemas de tamanho n
resolvendo recursivamente dois subproblemas
de tamanho n − 1 e, então, combinando as
soluções em tempo constante.
• Algoritmo C soluciona problemas de tamanho
n dividindo-os em nove subproblemas de
tamanho n/3, resolvendo recursivamente cada
subproblema e, então, combinando as re-
spostas em tempo O(n 2 ) .
Qual o tempo de execução de cada um desses algo-
ritmos (em notação O) e qual você escolheria?
3.7 . Dado A[1, . . . , n], um vetor ordenado de inteiros dis-
tintos, você quer saber se existe um índice i para
o qual A[i ] = i . Dê um algoritmo de divisão-e-
conquista que execute em tempo O(log n).
3.8 . Mostre que qualquer vetor de inteiros x[1 . . . n] pode
ser ordenado em tempo O(n + M ), onde
M = max x i − min x i .
i i
3.9 . Dado um vetor A com n entradas, com cada entrada
um número distinto. Sabe-se que a sequência de val-
ores A[1], A[2], . . . , A[n] é unimodal: ou seja, existe
índice p entre 1 e n, os valores nas entradas do vetor
aumentam até a posição p e, em seguida, reduzem,
o resto do caminho, até que a posição n. Deseja-se
encontrar o “ponto de máximo” p. Mostre como en-
contrar p através de um algoritmo O(log n).
3.10 . Mostre como remover todos os elementos duplica-
dos de um vetor em O(n log n). Você pode modificar
um algoritmo de ordenação, mas não pode ordenar
e depois remover.
4. Algoritmos Gulosos
4.1 . As sentenças seguintes podem ou não estar corretas.
Em cada caso, prove a sentença (se ela for correta)
ou forneça um contraexemplo (se não for correta).
Sempre considere o grafo G = (V, E ) não-direcionado
e conexo. Não considere que os pesos nas arestas se-
jam distintos, a menos que isso seja explicitamente
afirmado.
a) Se um grafo G tem mais do que |V | − 1 arestas
e existe uma única aresta de maior peso, então
esta aresta não pode ser parte da árvore ger-
adora mínima.
b) Se G tem um ciclo com uma aresta de maior
peso única e, então e não pode ser parte de
nenhuma AGM.
c) Seja e qualquer aresta de peso mínimo em G.
Então e tem de ser parte de alguma AGM.
d) Se a aresta de menor peso em um grafo é única,
então ela tem de ser parte da todas as AGMs.
e) Se e é parte de alguma AGM de G, então ela tem
de ser a aresta de menor peso através de algum
corte de G.
f) Se G tem um ciclo com uma aresta mais leve
única e, então e tem de ser parte de todas as
AGM.
g) A árvore de caminhos mínimos computada
pelo algoritmo de Dijkstra é necessariamente
uma AGM.
h) O caminho mínimo entre dois nós é necessari-
amente parte de alguma AGM.
 i) O algoritmo de Prim funciona corretamente
quando existem arestas negativas.
j) (Para qualquer r > 0, defina um r -caminho
cujas arestas tenham todas peso < r .) Se G
contém um r -caminho do nó s até t , então
toda AGM de G tem de conter também um r -
caminho do nó s até o nó t .
4.2 . Considere um grafo não-direcionado G = (V, E ) com
pesos de aresta não-negativos w e ≥ 0. Suponha que
você computou uma árvore geradora mínima de G e
que também computou os caminhos mínimos para
todos os nós partindo de um particular nó s ∈ V .
Agora suponha que cada peso de aresta seja aumen-
tado em uma unidade: os novos pesos são w e′ =
w e + 1.
a) Será que a árvore geradora mínima muda? Dê
um exemplo para o qual ela muda ou prove que
ela não pode mudar.
b) Será que os caminhos mínimos mudam? Dê
um exemplo para o qual eles mudam ou prove
que isso não pode ocorrer.
4.3 . Seja G uma grafo não-direcionado. Prove que se to-
das as arestas são distintas, então ele tem uma única
árvore geradora mínima.
4.4 . Considere o problema de agendamento de inter-
valos. Nós temos um conjunto de atividades
{1, 2, . . . , n}; cada atividade i possui um intervalo de
tempo a partir de s i e termina em f i . Um agen-
damento — conjunto de atividades — é dito com-
patível, se nenhuma atividade se sobrepõem no
tempo. O objetivo é determinar um agendamento
compatível com o maior número possível de ativi-
dades. Projete uma algoritmo para este problema.
4.5 . Este é um problema que ocorre em análise au-
tomática de programas. Para um conjunto de var-
iáveis x 1 , . . . , x n , são dadas algumas restrições de
igualdade, da forma “x i = x j ” e algumas restrições
de desigualdade, da forma “x i ̸= x j ”. Será que é pos-
sível satisfazer todas elas? Por exemplo, as restrições
x 1 = x 2 , x 2 = x 3 , x 3 = x 4 , x 1 ̸= x 4 ,
não podem ser satisfeitas. Forneça um algoritmo efi-
ciente que tome como entrada m restrições sobre n
variáveis e decida se as restrições podem ser satis-
feitas.
4.6 . Alice quer dar uma festa e está decidindo quem
chamar. Ela tem n pessoas as quais escolher, e ela fez
uma lista de quais pares dessas pessoas conhecem
uma a outra. Ela quer selecionar o maior número de
pessoas possível, sujeito a duas restrições: na festa,
cada pessoa deve ter pelo menos outras cinco pes-
soas que ela conhece e outras cinco pessoas que ela
não conhece. Forneça um algoritmo eficiente que
tome como entrada a lista das n pessoas e a lista de
pares de quem conhece quem e calcule a melhor es-
colha de convidados para a festa. Dê o tempo de ex-
ecução em termos de n.
4.7 . Um servidor tem n usuários esperando para serem
servidos. O tempo de serviço requerido por usuário é
conhecido previamente: é t i minutos para o usuário
i . Portanto se, por exemplo, os usuários são servidos
em ordem crescente de i , então o i -ésimo usuário
tem de esperar a ij =1 t j minutos. Queremos mini-
P
mizar o tempo total de espera
n
X
T= (tempo gasto pelo usuário i na espera).
n=1
Forneça um algoritmo eficiente para computar a or-
dem ótima na qual processar os usuários.
4.8 . Um conjunto feedback de arestas de um grafo não-
direcionado G = (V, E ) é um subconjunto de arestas
E ′ ⊆ E que intercepta todos os ciclos do grafo. As-
sim, remover as arestas E ′ tornará o grafo acíclico.
Forneça um algoritmo eficiente para o seguinte
problema:
Entrada: Grafo não-direcionado G = (V, E ) com pe-
sos de aresta positivos w e .
Saída: Um conjunto feedback de arestas definida
E ′ ⊆ E de peso total mínimo e∈E ′ w e .
P
4.9 . Forneça um algoritmo de tempo linear que tome
como entrada uma árvore e determine se ela tem um
emparelhamento perfeito: um conjunto de arestas
que tocam cada vértice exatamente uma vez.
4.10 . Prove que o problema da mochila pode ser resolvido
em tempo polinomial por um algoritmo guloso, se o
peso w i de cada item i for unitário.
Parte II.
2ª VA
5. Programação Dinâmica
5.1 . Inteiros positivos são arranjados em um triângulo
equilátero com n números em sua base, como o
mostrado na figura abaixo para n = 4. O problema
é encontrar a menor soma em uma descida do ápice
do triângulo até sua base por meio de uma sequên-
cia de números adjacentes (mostrados na figura pe-
los círculos). Projete um algoritmo de programação
dinâmico para este problema.
5.2 . Algumas moedas são espalhadas nas células de um
tabuleiro n × m, uma moeda por célula. Um robô,
localizado na célula superior esquerda do tabuleiro,
precisa coletar o máximo de moedas possível e trazê-
las para a célula inferior direita. Em cada etapa, o
robô pode mover uma célula para a direita ou uma
célula para baixo de sua localização atual. Quando
o robô visita uma célula com uma moeda, ele pega
a moeda. Elabore um algoritmo para encontrar o
número máximo de moedas que o robô pode cole-
tar e um caminho que ele precisa seguir para fazer
isso.
5.3 . Apresente o pseudocódigo do algoritmo de Floyd-
Warshall para o problema dos caminhos mínimos
entre todos os pares de vértices. Apresente a recor-
rência para o cálculo da distância.
5.4 . Projete um algoritmo eficiente para encontrar o
comprimento do caminho mais longo em um DAG.
(Este problema é importante como um protótipo de
muitos outros aplicativos de programação dinâmica,
pois determina o tempo mínimo necessário para
concluir um projeto que compreende tarefas de pre-
cedência restrita.)
5.5 . Uma subsequência contígua de uma lista S é uma
subsequência feita de elementos consecutivos de S.
Por exemplo, se S é
5, 15, −30, 10, −5, 40, 10,
então 15, −30, 10 é uma subsequência contígua, mas
5, 15, 40 não é. Forneça um algoritmo de tempo lin-
ear para a seguinte tarefa:
Entrada: Uma lista de números a 1 , a 2 , . . . , a n .
Saída: A subsequência contígua de soma máxima (a
subsequência de tamanho zero tem soma zero). Para
o exemplo anterior, a resposta seria 10, −5, 40, 10,
com uma soma de 55. (Dica: Para cada j ∈ {1, 2, . . . , n}
considere subsequências contíguas terminando ex-
atamente na posição j .)
5.6 . Dadas duas strings x = x 1 x 2 · · · x n e y = y 1 y 2 · · · y m ,
desejamos encontrar o comprimento da maior sub-
string comum delas, isto é, o maior k para o
qual existem índices i e j com x i x i +1 · · · x i +k−1 =
y j y j +1 · · · y j +k−1 . Mostre como fazer isso em tempo
O(mn)
5.7 . Uma cobertura de vértices de um grafo G = (V, E )
é um subconjunto de vértices S ⊆ V que inclui
ao menos uma extremidade de cada aresta de
E . Forneça um algoritmo de tempo linear para a
seguinte tarefa.
Entrada: Uma árvore não-direcionada T = (V, E ) .
Saída: O tamanho da menor cobertura de vértices de
T.
Por exemplo, na árvore abaixo, as possíveis
coberturas de vértice incluem {A, B,C , D, E , F,G} e
{A,C , D, F }, mas não {C , E , F }. A menor cobertura de
vértice tem tamanho 3: {B, E ,G}.
A D
B E G
C F
5.8 . Forneça um algoritmo de programação dinâmica
(note que será pseudo-polinomial) para o problema
S UBSET S UM.
Entrada: Um conjunto A com valores inteiros posi-
tivos, e um inteiro t .
Questão: Existe um subconjunto A ′ ⊆ A cuja soma
dos valores seja exatamente t ?
5.9 . Dado um DAG G(V, E ) e dois vértices s, t ∈ V , projete
um algoritmo de programação dinâmica que encon-
tre a quantidade de caminhos simples distintos entre
s e t.
5.10 . Mostre uma algoritmo de programação dinâmica
para o problema do C AMINHO MÁXIMO entre dois
vértices s e t (caminho simples). Qual a complexi-
dade do algoritmo (tempo e memória)?
6. Transformação de
problemas
6.1 . Maria aposta com João que ela pode fazer o seguinte
truque. João recitará n − 1 números diferentes de
1 a n em uma ordem aleatória e ela será capaz de
nomear o único número nesse intervalo que ele terá
perdido. Claro, ela terá que realizar a tarefa em sua
cabeça, sem fazer anotações. Como ela deve fazer
esse truque? Em outras palavras, projete um al-
goritmo que descubra o número faltante utilizando
O(1) de espaço em memória.
6.2 . O Rei Arthur espera n cavaleiros para um jantar
anual em Camelot. Infelizmente, alguns dos cav-
aleiros brigam entre si, e Arthur sabe quem briga
com quem. Arthur quer sentar seus convidados ao
redor de uma mesa para que dois cavaleiros briguen-
tos não se sentem próximos um do outro. Qual prob-
lema pode ser usado para modelar a tarefa do Rei
Arthur?
6.3 . Várias famílias saem para jantar juntas. Para aumen-
tar sua interação social, eles gostariam de sentar-se à
mesa, de modo que dois membros da mesma família
não estivessem na mesma mesa. Mostre como en-
contrar uma disposição dos assentos que atenda a
esse objetivo (ou prove que não existe tal disposição)
usando o problema de fluxo máximo. Suponha que
o jantar tenha p famílias e que a i -ésima família
tenha a i os membros. Suponha que q mesas são
disponíveis e que a meja j -ésima mesa possui ca-
pacidade b j .
6.4 . O problema da coloração em grafos é geralmente
declarado como o problema da coloração do vér-
tice: atribua o menor número de cores aos vértices
de um dado grafo de forma que não haja dois vér-
tices adjacentes da mesma cor. Considere agora o
problema da coloração das arestas: atribua o menor
número possível de cores às arestas de um determi-
nado grafo, de modo que duas arestas com o mesmo
vértices não tenham a mesma cor. Explique como o
problema de coloração de arestas pode ser reduzido
a um problema de coloração de vértices.
6.5 . Considere o seguinte problema de programação lin-
ear.
max 5x + 3y
s.a 5x + 2y ≥ 0
x+y ≤7
x ≤5
x ≥0
y ≥0
Desenhe a região factível e identifique a solução
ótima.
 6.6 . A companhia de produtos caninos oferece duas co-
midas para cachorro: Viralata’s e Ração do Sucesso,
que são feitas de uma mistura de cereais e carne.
Um pacote de Viralata’s requer 1 quilo de cereal e 1, 5
quilo de carne, e é vendido por $7. Um pacote de
Ração do Sucesso usa 2 quilos de cereal e 1 quilo de
carne, e é vendido por $6. O cereal bruto custa $1
por quilo e a carne bruta, $2 por quilo. Há também
o custo de $1, 40 para empacotar o Viralata’s e $0, 60
para o Ração do Sucesso. Um total de 240.000 quilos
de cereal e 180.000 quilos de carne estão disponíveis
a cada mês. O único gargalo de produção está no
fato de a fábrica poder empacotar apenas 110.000
pacotes de Viralata’s por mês. Desnecessário dizer,
a gerência gostaria de maximizar o lucro.
a) Formule o problema como um programa linear
em duas variáveis.
b) Desenhe a região factível, dê as coordenadas de
cada vértice, e circule o vértice que maximiza o
lucro. Qual o lucro máximo possível?
6.7 . O problema das 8 D AMAS consistem em colocar 8
damas em um tabuleiro de xadrez. Modele este
problema utilizando Programação por Restrição.
6.8 . Leia o artigo da wikipedia sobre o puzzle Kakuro
https://en.wikipedia.org/wiki/Kakuro e também é N P -completo. O aluno está certo? Jus-
modele exemplo dado utilizando Programação por
Restrição.
6.9 . Modele o problema da M OCHILA utilizando progra-
mação linear inteira.
6.10 . Modelo o problema da C LIQUE M ÁXIMA utilizando
programação linear inteira.
7. NP-completude
7.1 . Responda cada um dos itens abaixo e dê uma justi-
ficativa para as respostas.
• O que significa dizer que um problema Π pode
ser polinomialmente reduzido a um problema
Π′ ?
• Defina as classes P , N P e problema N P -
completo.
• P ∩ N P = ;?
7.2 . Responda cada um dos itens abaixo e dê uma justi-
ficativa para as respostas.
• Se um problema Π pode ser polinomialmente
reduzido a um problema Π′ e Π′ está em P en-
tão Π está em P ?
• Se um problema Π pode ser polinomialmente
reduzido a um problema Π′ e Π′ é N P -
completo então Π é N P -completo?
• Há problemas em N P que não são N P -
completos?
• Existem problemas N P -completos em P ?
7.3 . Encontre 5 problemas N P -completos não estuda-
dos na disciplina (aula e lista). Para cada um de-
les, descreva-o formalmente (entrada e questão) e
apresente uma ilustração de uma instância e uma
solução.
7.4 . Considere o seguinte algoritmo força bruta para re-
solver o problema do número C OMPOSTO: Verifique
inteiros sucessivos de 2 a ⌊n/2⌋ como possíveis di-
visores de n. Se um deles divide n , retorna SIM (ou
seja, o número é composto); se nenhum deles o fizer,
retorne NÃO. Por que esse algoritmo não coloca o
problema na classe P ?
7.5 . Considere os problemas a seguir. P ROBLEMA PAR-
TIÇÃO (A, n):
Dado um vetor A[1, . . . , n] de números inteiros posi-
tivos, decidir se existe um subconjunto I de {1, . . . , n}
tal que
X X
A[i ] = A[i ].
i ∈I i ∉I
P ROBLEMA T RI -PARTIÇÃO(A, n):
Dado um vetor A[1, . . . , n] de números inteiros posi-
tivos, decidir se existem subconjuntos disjuntos I e J
de {1, . . . , n} tais que
X X X
A[i ] = A[i ] = A[i ].
i ∈I i ∈J i ∉I ∪J
Sabe-se que o P ROBLEMA PARTIÇÃO é N P -completo.
Um aluno alega que o P ROBLEMA T RI -PARTIÇÃO
tifique cuidadosamente a sua resposta.
7.6 . Busca versus decisão. Suponha que você tenha um
procedimento que execute em tempo polinomial e
que informe se um grafo tem ou não um caminho
Hamiltoniano. Mostre que você pode usá-lo para de-
senvolver um algoritmo de tempo polinomial para
o P ROBLEMA DO C AMINHO H AMILTONIANO em sua
versão de busca (que retorna o caminho propria-
mente, se ele existe).
7.7 . O P ROBLEMA DA Á RVORE G ERADORA COM R ESTRIÇÃO
DE G RAU é o seguinte. Entrada: Um grafo não-
direcionado G(V, E ).
Saída: Uma árvore geradora de G na qual cada nó
tem grau ≤ k, se uma árvore desse tipo existe.
Mostre que para todo k ≥ 2 o problema é N P -difícil.
7.8 . Uma pipa é um grafo sobre um número par de vér-
tices, digamos 2n, nos quais n dos vértices formam
uma clique e os restantes n vértices são conectados
em um “rabo” que consiste em um caminho inci-
dente a um dos vértices da clique. Dado um grafo
e um objetivo g , o P ROBLEMA DA P IPA pede que se
encontre um subgrafo que seja uma pipa e que con-
tenha 2g nós. Prove que P IPA é N P -completo.
7.9 . No P ROBLEMA C ONJUNTO I NCIDENTE, é dada uma
família de conjuntos {S 1 , S 2 , . . . , S n } e um inteiro b,
e desejamos encontrar um conjunto H de tamanho
≤ b que intercepte todos os S i , se um tal H existir.
Em outras palavras, queremos H ∩ S i ̸= ; para todo
i . Mostre que Conjunto Incidente é NP-completo.
7.10 . S UBGRAFO D ENSO: dados um grafo G e dois inteiros
a e b, encontre um conjunto de a vértices de G tal
que exista pelo menos b arestas entre eles. Prove que
o problema é N P -completo.
 8. Lidando com
NP-Completude
8.1 . Um quadrado mágico de ordem 3 é uma tabela 3 × 3
preenchida com nove números inteiros distintos de
1 a 9, de modo que a soma dos números em cada
linha, coluna e duas diagonais de ponta a ponta seja
a mesma. Implemente um algoritmo backtracking e
encontre todos os quadrados mágicos de ordem 3.
8.2 . Implemente um algoritmo backtracking para o
P ROBLEMA DO PASSEIO DO C AVALO, iniciando de
uma das quinas. Informe o tempo em segundos e
apresente a solução.
8.3 . Projete um algoritmo para o P ROBLEMA DO C AM -
INHO H AMILTONIANO de um vértice fixo s.
8.4 . Escolha um problema de otimização e dê um exem-
plo de uma execução de um algoritmo branch-and-
bound sobre o problema escolhido. Escolha um in-
stância pequena. Isso implica decidir:
a) Como calcular um limitante para o problema?
b) Como você expandir um nó em subproblemas?
c) Qual subproblema escolher?
8.5 . De forma similar à questão anterior (responda
as perguntas!), projete um algoritmo branch-and-
bound para o problema da C OBERTURA DE C ON -
JUNTO .
8.6 . No problema da Á RVORE DE S TEINER M ÍNIMA, a en-
trada consiste em: um grafo completo G = (V, E ) com
distâncias d uv entre todos os pares de nós; e um de-
terminado conjunto de vértices terminais V ′ ⊆ V . O
objetivo é encontrar uma árvore de custo mínimo
que inclua os vértices V . Essa árvore pode ou não
incluir nós em V \ V ′ . Sabe-se que este problema
é N P -difícil, proponha uma heurística construtiva
para gerar uma solução viável para o problema (note
que a solução pode não ser ótima).
8.7 . Apresente o algoritmo de busca local 2-opt para o
TSP, dê um exemplo de execução e mostre que ele
não é exato.
8.8 . Escolha um problema de otimização N P -difícil e ap-
resente um estrutura de vizinhança para tal prob-
lema.
8.9 . Escolha 5 meta-heurístias do livro “Handbook
of Metaheuristics” (https://www.springer.com/
gp/book/9783319910857, cada capítulo fala de
uma meta-heurística). Para cada uma das 5, de-
screva o algoritmo e explique quais os mecanismos
de intensificação e diversificação da busca.
8.10 . No problema do B IN PACKING, a entrada consiste
em: n itens com tamanhos s 1 , s 2 , . . . , s n em que s i ∈
[0, 1]. O objetivo é encontrar o menor número de
“bins” (caixas) unitárias para armazenar os n itens.
O algoritmo First Fit consiste em:
1: procedure A LGORITMO F IRST F IT(vetor s[1, . . . , n])
2: for i ← 1 → n do
3: Coloque o item i no bin de menor índice que tenha espaço
disponível ≥ s i
4: end for
5: end procedure
Mostre que o algoritmo é 2-aproximado. Dica: O FF
não deixa, ao final, dois bins com espaço utilizado
≤ 0,5.